一、人工智能快速發展
隨著互聯網、移動互聯網、物聯網的興起，人機物互聯互通成為發展趨勢，數據量以及數據處理能力呈現爆炸性增長，人工智能不斷取得突破性進展。一是得益於社交媒體、移動設備和傳感器的大量普及，全球數據總量爆發性增長，這為以數據運算為核心的機器學習方法獲得了巨大的發展空間。二是數據處理技術加速演進、運算能力快速提升。以GPU為代表的新一代計算芯片能夠滿足高強度、高頻次、低功耗的處理需求，提升了機器學習算法的迭代速度，極大促進人工智能產業發展。三是開源推動人工智能普及化，谷歌、Facebook、IBM、Amazon、百度等巨頭扎堆開源旗下深度學習平臺，發揮生態力量實現人工智能數據、應用和場景的閉環。
二、工業智能解決方案正在形成
工業互聯網帶來工業數據的爆發式增長，傳統數學統計與擬合方法難以滿足海量數據的深度挖掘，人工智能技術正成為工業軟件、工業互聯網平臺解決各領域診斷、預測與優化問題的得力工具。
在設備層面，基於機器學習，通過工業物品特徵值的識別，實現自動化的生產動作，如智能分揀機器人、智能檢測機器人。在產線層面，基於機器學習，通過工業系統特徵值的識別，提供工業流程和生產參數優化建議，如流程工業的生產工藝參數優化，離散工業的機床斷刀保護等。在企業層面，基於知識圖譜，通過對工業問題的有效推理和仿真，實現智能業務決策和風險管理，如華為供應鏈風險管理系統、零部件選型系統。在行業層面，基於知識圖譜，通過對工業知識的有效索引和搜索，實現工業知識的沉澱和複用。
工業智能的部署目前體現幾個特點，一是雲端部署，提供面向複雜場景的智能化應用，包括基於圖像識別的生產質量檢測、設備預測性維護及健康管理、基於智能數據模型分析的工藝參數優化等。二是邊緣部署，面向有限資源條件的輕量級算法，提升設備的處理和分析能力，實現人機協作、智能分撿、自主導航等。三是與工業互聯網平臺結合，包括在工業互聯網平臺中直接嵌入人工智能引擎和框架，以及在平臺中封裝機器學習算法，實現基於數據的分析建模優化。
三、人工智能在製造業應用價值初現端倪
人工智能在製造業的應用探索正形成三類典型應用模式。一是提高製造效率。例如日本NEC公司推出的機器視覺檢測系統可以逐一檢測生產線上的產品，在降低人工成本的同時提升出廠產品的合格率。華為、海爾合作的生產質量測試床，通過機器學習方法解決空調噪聲檢測問題，使人力下降55%、成本下降 27%。二是優化生產工藝。特別是流程行業中通過數據的機器學習，實現原料配比優化(石化行業原油配比、鋼鐵礦石的配比、電力配煤摻燒等)、工藝參數優化、裝備裝置健康管理等。如阿里“工業大腦”在中策橡膠中實現工藝參數優化，使穩定性提升10%，煉膠時間縮短10%，煉膠溫度降低6%。三是優化供應鏈管理效率。例如美國多聯式運輸公司C.H. Robinson基於知識圖譜技術，結合天氣、交通以及社會經濟挑戰等實時參數，基於模型優化運輸路線提高企業利潤，實現智能業務決策和風險管理。四是提高售後運維價值。例如微軟Azure IoT平臺為Rolls-Royce發動機提供基於機器學習的海量數據分析和模型構建，能夠在部件即將發生故障時準確預報異常，並提前介入主動幫助Rolls-Royce規劃解決方案。中國信息通信研究院2017年組織了工業大數據創新競賽，全國有1460個團隊利用機器學習方法解決風電設備故障預測和健康管理問題，取得了良好效果。
閱讀更多 龍智造工業互聯網 的文章
